Navegación

Búsqueda

Búsqueda avanzada

El autor Ismael Navas-Delgado ha publicado 4 artículo(s):

1 - Bioqueries a Social Community for SPARQL queries in Life Sciencess

Life Sciences have emerged as a key domain in the Linked Data community because of the diversity of data semantics and formats available through a great variety of databases and web technologies. Unfortunately, bioinformaticians are not exploiting the full potential of this technology and experts in Life Sciences have real problems to discover, understand and devise how to take advantage of these interlinked data. In this context, we have implemented Bioqueries, a wiki-based portal that is aimed at community building around biological Linked Data (http://bioqueries.uma.es/). This space offers a collaborative platform in which users can create, modify, execute and share biological SPARQL queries.

Autores: María Jesús García Godoy / Esteban López-Camacho / Ismael Navas-Delgado / José F. Aldana-Montes / 
Palabras Clave:

2 - Social Pathway Annotation: Extensions of the Systems Biology Metabolic Modelling Assistant

High-throughput experiments have produced large amounts of heterogeneous data in the life sciences. The integration of data in the life sciences is a key component in the analysis of biological processes. These data may contain errors, but the curation of the vast amount of data generated in the «omic» era cannot be done by individual researchers. To address this problem, community-driven tools could be used to assist with data analysis. In this paper, we focus on a tool with social networking capabilities built on top of the SBMM (Systems Biology Metabolic Modelling) Assistant to enable the collaborative improvement of metabolic pathway models (the application is freely available at http://sbmm.uma.es/SPA).

Autores: Ismael Navas-Delgado / Alejandro del Real-Chicharro / Miguel Ángel Medina / Francisca Sánchez-Jiménez / José F. Aldana-Montes / 
Palabras Clave: Data Integration - Life Sciences - Social Data Curation

3 - Análisis de los datos del acelerómetro para detección de actividades

Las enfermedades cardiovasculares son la principal causa de muerte en España, siendo necesaria la prevención de factores de riesgos como la obesidad o los altos niveles de colesterol. La actividad física previene estos problemas, y su seguimiento usando pulseras de actividad permite tomar decisiones para su corrección. En este trabajo se presenta un experimento para evaluar la viabilidad de detección automática de ciertas actividades a través de algoritmos supervisados de Deep Learning

Autores: Sandro Hurtado-Requena / Cristobal Barba-Gonzalez / Maciej Rybinski / Francisco J Baron-Lopez / Julia Warnberg / Ismael Navas-Delgado / Jose F Aldana-Montes / 
Palabras Clave: classification - Deep Learning - HAR - wearable sensors

4 - BIGOWL: Knowledge Centered Big Data Analytics

En las últimas décadas el aumento de fuentes de información en diferentes campos de la sociedad desde la salud hasta las redes sociales ha puesto de manifiesto la necesidad de nuevas técnicas para su análisis, lo que se ha venido a llamar el Big Data. Los problemas clásicos de optimización no son ajenos a este cambio de paradigma, como por ejemplo el problema del viajante de comercio (TSP), ya que se puede beneficiar de los datos que proporciona los diferentes sensores que se encuentran en las ciudades y que podemos acceder a ellos gracias a los portales de Open Data. Cuando estamos realizando análisis, ya sea de optimización o machine learning en Big Data, una de las formas más usada de abordarlo es mediante workflows de análisis. Estos están formados por componentes que hacen cada paso del análisis. El flujo de información en workflows puede ser anotada y almacenada usando herramientas de la Web Semántica para facilitar la reutilización de dichos componentes o incluso el workflow completo en futuros análisis, facilitando as+AO0, su reutilización y a su vez, mejorando el proceso de creación de estos. Para ello se ha creado la ontología BIGOWL, que permite trazar la cadena de valor de los datos de los workflows mediante semántica y además ayuda al analista en la creación de workflow gracias a que va guiando su composición con la información que contiene por la anotación de algoritmos, datos, componentes y workflows. La problemática que ha abordado y resuelto BIGOWL se encuentra en dar estructura a esta información para poder ser integrada en los componentes. Para para validar el modelo semántico, se presentan una serie de consultas SPARQL y reglas de razonamiento para guiar el proceso de creación y validación de dos casos de estudio, que consisten en: primero, el procesamiento en streaming de datos de tráfico real con Spark para la optimización de rutas en el entorno urbano de la ciudad de Nueva York+ADs y segundo, clasificación usando algoritmos de minería de datos de un conjunto de datos académicos como son los de la flor de Iris.

Autores: Cristóbal Barba-González / José García-Nieto / Maria Del Mar Roldan-Garcia / Ismael Navas-Delgado / Antonio J. Nebro / Jose F Aldana Montes / 
Palabras Clave: big data - Machine Learning - Optimización - Web Semantic